近日,威斯康辛大学麦迪逊分校助理教授 Sebastian Raschka 在推特上宣布了威斯康辛大学《机器学习导论》2020 秋季课程的完结:「教授两个班级和 230 个学生是相当不错的体验,对于那些感兴趣的人,我整理了一页记录以供参考。」
课程笔记主页:https://sebastianraschka.com/resources/ml-lectures-1.html(持续更新中)
Sebastian Raschka 是威斯康星大学麦迪逊分校的统计学助理教授,致力于机器学习和深度学习研究。他最近的一些研究方法已应用于生物识别领域,解决面部图像隐私问题,其他的研究重点包括开发与机器学习中的模型评估、对抗攻击和 AutoML 有关方法和应用程序。他也是《Python 机器学习》一书的作者,曾被科技博客 Analytics Vidhya 评为 GitHub 上具影响力的数据科学家之一。
对想要学习这门课程的学生,Sebastian Raschka 教授的建议是:你至少要熟悉基本编程知识并完成了编程入门课程。
目录内容: Part I: Introduction
- L01: What is Machine Learning
- L02: Nearest Neighbor Methods Part II: Computational Foundations
- L03: (Optional) Python Programming
- L04: Scientific Computing in Python
- L05: Machine Learning with Scikit-Learn Part III: Tree-Based Methods
- L06: Decision Trees
- L07: Ensemble Methods Part IV: Evaluation
- L08: Model Evaluation Part 1 – Basics: Underfitting & Overfitting
- L09: Model Evaluation Part 2 – Resampling Methods
- L10: Model Evaluation Part 3 – Cross Valdiation
- L11: Model Evaluation Part 4 – Statistical Tests and Algorithm Selection
- L12: Model Evaluation Part 5 – Evaluation Metrics